
【Antigravity】ついにオフラインでAIエージェントが動く!?ローカルLLM正式対応を試してみたい
こんにちは!高橋です(*'▽')
ついに来ました!2026年9月23日、Googleが Antigravity SDK で「ローカルAIモデル」を使ったエージェントワークフローへの正式対応を発表しました。ヤッター
しかも今回の話は、「ローカルLLMにチャットで質問できます」というレベルのものではありません。
Antigravityのエージェント機能そのものを使いながら、AIの処理を自分のPC上で完結させることができるようになったのです。
Googleが公式対応として最初に打ち出したのは、以下の組み合わせです。
Gemma 4 26B A4B
Google AI EdgeのLiteRT
さらに、Ollama、LM Studio、vLLMといった「OpenAI互換API」を持つローカル推論環境にも対応しています。
以前、「もうAPI課金に怯えない!Antigravityの『推論』をローカルLLMに逃がすコスト削減術」という記事を書きました。
そのときはAntigravityのメインモデルをローカルLLMへ直接差し替えることができなかったため、「MCPを使ってローカルLLMを“外部の部下”にする」という回避策を紹介しました。
しかし、今回で状況がガラリと変わりました!
「AntigravityでローカルLLMを本格的に使えるようになったら面白いのになぁ……」と妄想していた世界に、公式SDK側から一歩踏み込んできたわけです。
今回は、このアップデートで「何が変わったのか」「どんなメリットがあるのか」「クラウドのGeminiは不要になるのか」を分かりやすく整理してお伝えします。
まず前提:Antigravity IDEにローカルLLMが追加されたわけではない
ここ、非常に重要なポイントです!
今回ローカルAIに正式対応したのは、あくまで「Antigravity SDK」です。
普段使っているAntigravity IDEを開いて Settings > Models に「Gemma 4 Local」のような項目が突然追加されたわけではありません(´;ω;`)
Antigravity SDKは、PythonからAntigravityのエージェント機能を利用するための仕組みです。プログラムの中から以下のような処理を実行できます。
ファイルの読み込み・コード作成
コマンド実行・ツールの呼び出し
MCPの利用・処理結果の確認
今回変わったのは、「そのエージェントを動かす“頭脳”としてローカルAIを使えるようになった」という点です。
「IDEが今日から完全オフライン化された」という誤解をしないようご注意ください。
ただ、この違いを理解した上でも、今回のアップデートはめちゃくちゃ大きいです。
これまでと何が違う?「外部の助っ人」から「エージェント自身」へ
これまでAntigravityとローカルLLMを組み合わせる場合、以下のような構成が必要でした。
Antigravity ➔ MCP ➔ Ollama ➔ ローカルLLM
司令塔はあくまでクラウド側のGeminiであり、ローカルLLMは「文章の要約」や「コードチェック」などを頼む単なる外部ツール(外注先)扱いでした。
しかし、今回のSDKアップデートにより、
ローカルLLM自身がAntigravityのエージェントとして直接仕事を進められるようになりました。
ファイルを確認する
必要な処理を自分で判断する
コードを書いてツールを動かす
テストを実行し、結果を確認する
この「エージェントループ」そのものをローカル環境で完結して回せるようになったのが、最大のポイントです。
Googleが提案する「Architect-Builder(設計士と職人)」構成
Googleは「すべてをローカルAIに置き換えよう」と提案しているわけではありません。公式で推奨されているのは、「Architect-Builder」と呼ばれるハイブリッド構成です。
クラウドAI(設計士): 全体の設計や判断を行う
ローカルAI(職人): 手を動かす大量の作業を行う
Googleが公開したデモが実に合理的!
Googleは、3つのPythonモジュール(auth.py / billing.py / database.py)にある脆弱性を調査・修正するデモを公開しました。
クラウドのGemini 3.8 Flashは「何を選ぶか」「どうタスクを分解するか」の設計のみを担当(ソースコード自体はクラウドに送らない)。
ローカルのGemma 4が、脆弱性の再現・修正コード作成・レビュー・回帰テストといった重たい作業を担当。
その結果、全処理の97.2%(3,322トークン)がローカルで処理され、クラウド側の消費トークンはわずか95トークンに抑えられました。
まさに「ローカルLLMが使えるようになった」というより、
「クラウドAIを必要な部分だけに最小化できるようになった」と捉えるのがしっくりきます。
既存のAntigravityユーザーにとっての6つのメリット
ここからが本題です。今回のアップデートには大きく6つのメリットがあります。
① API制限やトークンコストを気にせず重い作業を回せる
大量のファイルを読み込ませる作業や定型的なリファクタリングなど、「判断は難しくないが量が膨大」な仕事はローカルAIの独壇場です。高級なクラウドモデルのRate LimitやAPI課金を消費せず、ローカルでガッツリ回すことができます。
② ソースコードを外部に出さずにAIを働かせられる
ソースコード、社内ログ、設定ファイルなどをPC内に保持したまま処理できます。「社内規定で会社のコードを外部クラウドに送れない」という環境でも、設計指示だけをクラウドに渡し、実データ処理はローカルで完結させる構成が可能になります。
③ ネット環境がなくてもエージェントを動かせる
モデルをローカルに配置しておけば、完全オフラインでも「ファイル確認 ➔ コード生成 ➔ ツール実行 ➔ テスト」という一連のエージェントワークフローを実行できます。通信制限のある環境で威力を発揮します。
④ Ollamaなどの互換サーバーでモデル切り替えが自在に
SDKはOllama、LM Studio、vLLMなどのOpenAI互換サーバーに対応しています。モデルを変更してもエージェントの制御やワークフローの仕組みはそのまま維持できるため、「モデル=交換可能なエンジン」として柔軟に切り替えられます。
⑤ 単純な「小仕事」で高価なクラウドAIを浪費しない
READMEの整形、コメント追加、ログ分類、テストコード作成など、作業量は多いけれど高度な頭脳を必要としないタスクをローカルに任せられます。役員に「Excelの列幅を揃えて」と頼むようなもったいない消費を抑えられます。
⑥ マルチエージェント(Subagent)構築との相性が抜群
クラウドAIが全体指示を出し、複数のローカルAgent(セキュリティ担当、パフォーマンス担当、テスト担当など)を並列で走らせるような構築が可能です。クラウドモデルを複数走らせるとコストが跳ね上がりますが、ローカルならPCの計算資源の範囲で自由に検証できます。
じゃあ、もうクラウドAIはいらない?
結論から言うと、クラウドAIは引き続き必要です。
ローカル環境にはGPUメモリや処理速度の限界があり、複雑なシステム設計や原因不明のバグ調査などは、巨大なパラメータを持つクラウドモデルが圧倒的に有利です。
敵対する「クラウド vs ローカル」ではなく、「クラウド + ローカル」の適材適所の配置こそが今後の最適解になります。
注意点:PCスペックとセキュリティ
導入にあたっては以下の点に注意が必要です。
高めのPCスペックが必要
Googleが推奨するGemma 4 26B A4Bの動作環境は「24GB以上のVRAMまたは共有メモリ」です。普通の8GBメモリのノートPCでサクサク動くわけではありません。
電気代や計算資源のコスト
API料金はかかりませんが、GPUや電気代などのリソースを消費します。
ローカルだからこその権限管理
ファイル操作やコマンド実行権限を持つエージェントだからこそ、「どこまでのアクセス・変更を許すか」という権限管理(セキュリティポリシー)の設定がより重要になります。
まとめ:これからのテーマは「AIモデルの使い分け」
今回のアップデートの真の価値は、「Gemmaが使えるようになった」こと以上に、Antigravityのエージェント基盤とAIモデルが分離され始めた点にあります。
今後は「どのAIが一番賢いか?」ではなく、「頭脳はクラウド、実働部隊はローカル」のようにAIチームをどう編成するかが鍵になっていくはずです。
現時点ではSDK側での対応ですが、今後Antigravity IDE本体へどう統合されていくのか非常に楽しみですね!※個人的にはここが本題(笑)
Ollamaを使った実際の構築手順なども、試してみて面白そうであれば改めて共有したいと思います。
それでは、今回はここまで(*'▽')ノシ